L’époque des agents porte une contradiction.
L’IA personnelle qui sert vraiment, c’est celle qui me connaît.
Elle doit savoir sur quoi je travaille, avec qui, ce que j’ai promis, ce que je préfère, ce que j’ai déjà tranché, ce qui s’est passé hier et ce qui comptera probablement demain. Je n’ai pas à me raconter depuis zéro chaque matin. Je n’ai pas non plus à livrer la même biographie, les mêmes goûts, les mêmes contraintes et le même cadre de travail à cinquante assistants coincés dans cinquante applications.
Les relations humaines s’allègent parce que le contexte s’accumule. On ne se présente pas à un vieil ami à chaque café. On n’explique pas toute sa carrière à un collègue de longue date avant de poser une question. C’est la relation qui porte la mémoire.
L’IA personnelle commence à faire la même chose.
Et c’est là que ça coince.
Parce que l’architecture la plus sûre n’est probablement pas celle où la machine qui se souvient de tout sur moi voit aussi chaque compte bancaire, chaque dossier médical, chaque système d’employeur, chaque démarche avec l’État, chaque identifiant et chaque décision qui touche ma vie.
Le confort veut tout au même endroit.
La souveraineté veut des cloisons.
La question intéressante, c’est ce qui se passe quand les deux l’emportent.
Deux volumes précèdent déjà celui-ci. The Last Interface (La dernière interface) demandait ce qui arrive quand le logiciel cesse de détenir la relation avec son utilisateur, et que les gens amènent au produit un agent déjà là. Human Sovereignty (La souveraineté humaine) demandait ce qui reste nôtre quand les machines se souviennent, décident et agissent. La réponse : on peut déléguer sans perdre la souveraineté, à condition que l’autorité reste limitée et récupérable. Entre les deux, une question m’avait échappé. Si l’agent personnel devient le passage par lequel j’atteins une grande part du monde numérique, doit-il finir par contenir ce monde ? Je ne le crois pas. Je pense de plus en plus que l’architecture crédible est presque l’inverse. Un seul agent pour l’humain. Plusieurs souverainetés en dessous.
Les faits avant la prédiction
On écrit trop facilement sur les agents d’IA comme s’ils allaient forcément arriver.
Ce n’est pas le cas.
La technique reste peu fiable sur des points importants. Les normes se forment encore. Beaucoup de démonstrations sont plus faciles que des systèmes en production. La confiance des consommateurs n’est pas tranchée. Les modèles d’affaires restent incertains. Une grande part de ce qu’on appelle aujourd’hui agentique n’est encore qu’une automatisation soigneusement limitée.
Avant de dessiner une architecture, il faut donc regarder ce qu’on peut vraiment observer au 31 août 2026.
Les grandes plateformes grand public rendent leurs assistants plus personnels, et plus durables. Le 8 juin 2026, Apple a présenté Siri AI : un contexte personnel sur les messages, les e-mails et les photos, une recherche dans les applications, un historique de conversation synchronisé entre ses appareils. Au moment de l’annonce, les fonctions étaient en test développeur. Au 25 août, Apple parlait encore de Siri AI comme d’une bêta plus tard dans l’année, pour un appareil pris en charge réglé sur l’anglais, disponible pour l’instant via l’Apple Beta Software Program. L’événement Apple du 9 septembre indiquera probablement quand les versions publiques des systèmes 27 arriveront. Ce serait encore une date pour une bêta de Siri AI, pas pour un assistant de production achevé. Le 14 janvier 2026, Google a présenté Personal Intelligence pour Gemini, en reliant Gmail, Photos, YouTube et Search. Les connexions sont désactivées par défaut. Le lancement visait les abonnés américains éligibles à AI Pro et AI Ultra, pas le niveau gratuit, pas Workspace. La FAQ Memory d’OpenAI, mise à jour le 15 août 2026, indique que la mémoire s’appuie sur les conversations, les fichiers et les applications connectées. Microsoft 365 Copilot peut retenir le rôle professionnel d’une personne, son travail, ses tâches courantes et ses préférences ; l’article d’assistance actuel a été mis à jour le 18 août 2026. Google a aussi commencé à importer dans Gemini des mémoires et des historiques de conversation venus d’autres produits d’IA : les mémoires par collage, l’historique par fichier ZIP. Le lancement du 26 mars 2026 n’était pas disponible dans l’EEE, au Royaume-Uni ni en Suisse. Ce n’est pas une API inter-fournisseurs. C’est déjà, toutefois, un aveu précoce : le contexte accumulé devient ce qu’on emporte quand on change de fournisseur.
Les agents reçoivent aussi davantage de moyens d’agir. Microsoft a d’abord annoncé Windows 365 for Agents le 18 novembre 2025, puis a porté le produit en disponibilité générale dans la semaine du 1er juin 2026 : des Cloud PC mutualisés, sans état, des identités distinctes, des contrôles Zero Trust et de l’audit. L’agent ChatGPT d’OpenAI, présenté le 17 juillet 2025, combinait un navigateur visuel, un navigateur textuel, un terminal et un accès API direct. OpenAI marque aujourd’hui cette page de lancement comme périmée. Elle reste utile comme preuve d’architecture, pas comme description du produit actuel.
À côté des produits, l’infrastructure d’interopérabilité se met en place. Anthropic a transféré le Model Context Protocol à l’Agentic AI Foundation de la Linux Foundation le 9 décembre 2025, et a indiqué à ce moment plus de 10 000 serveurs MCP publics actifs. La Linux Foundation a indiqué le 9 avril 2026 que le protocole A2A comptait plus de 150 organisations qui le soutiennent. Les déploiements en production, décrits à part, couvrent déjà les services financiers, l’assurance, la chaîne d’approvisionnement et l’informatique. Le 17 juin 2026, le Developers Blog de Google a annoncé Agentic Resource Discovery : une spécification pour publier, trouver et vérifier des outils, des compétences et d’autres agents à travers le web. L’identité et l’autorisation sont traitées comme des problèmes d’ingénierie à part entière. Le NIST a lancé une AI Agent Standards Initiative le 17 février 2026 : un programme, pas une norme achevée. Le 5 février 2026, il a publié un Initial Public Draft, Accelerating the Adoption of Software and Artificial Intelligence Agent Identity and Authorization. La documentation d’Agent 365 de Microsoft, datée du 10 août 2026 et mise à jour le 13 août, représente les agents comme des identités Entra distinctes, avec des permissions, des sponsors, une gestion du cycle de vie et de l’audit. L’Authorization API 1.0 d’OpenID est devenue une spécification Final en janvier 2026 : spécification publiée le 11 janvier, approbation des membres le 12 janvier. Les brouillons du groupe de travail AuthZEN du 15 juin 2026 traitent de l’approbation, du consentement et de l’autorité déléguée ; ce sont des brouillons, pas Final, et la politique demeure l’autorité ultime. Un Internet-Draft individuel, draft-mishra-oauth-agent-grants-02, publié le 30 août 2026, décrit un profil OAuth pour identifier un agent d’IA, obtenir le consentement humain, émettre des jetons liés à une ressource et contraints à l’expéditeur, et réduire l’autorité à chaque transmission. Il n’a pas été adopté par un groupe de travail. C’est un travail en cours. Ce qui compte ici, ce n’est pas que ce texte-là l’emporte. C’est que le problème qu’il tente de résoudre existe désormais assez clairement pour être écrit.
Le calcul se rapproche de l’utilisateur. L’annonce Apple du 25 août 2026, portant sur le M6 et le M5 Ultra, place du nouveau silicium derrière les modèles locaux. Le M6 est décrit comme capable de faire tourner des LLM sur l’appareil pour des tâches agentiques sûres et privées, avec jusqu’à 32 Go de mémoire unifiée. Les 512 Go de mémoire unifiée, et l’affirmation que de très grands LLM de centaines de milliards de paramètres peuvent tourner entièrement sur l’appareil, appartiennent au M5 Ultra ; ces chiffres sont testés par Apple. Qualcomm, le 5 août 2026, a décrit les PC Snapdragon X comme un nœud de calcul pratique pour les usages agentiques. C’est une affirmation du fabricant. NVIDIA commercialise DGX Spark comme un Desktop Agent Computer, avec 128 Go de mémoire et des modèles jusqu’à 200 milliards de paramètres dans sa fiche produit actuelle. Xiaomi construit plus d’une pièce. MiClaw, annoncé aux développeurs le 21 avril 2026, est un écosystème d’agents sur invitation, pas une disponibilité générale, dans lequel les développeurs peuvent déposer des serveurs MCP, des compétences et des agents. En juin, elle a dévoilé Miloco 2.0, aussi appelé Xiaomi Local Copilot 2.0, pour l’intelligence de la maison. En août, avec la bêta d’HyperOS 4, elle a présenté Hyper XiaoAi 2.0, décrit comme le passage de la compréhension des instructions à l’exécution.
Les rails de paiement bougent aussi. Le Universal Commerce Protocol de Google, lancé le 11 janvier 2026 et co-développé avec Shopify, Etsy, Wayfair, Target et Walmart, nomme A2A, AP2 et MCP parmi les voies par lesquelles le commerce peut être exposé aux agents. Le Machine Payments Protocol de Stripe, publié le 18 mars 2026, est conçu pour qu’un agent puisse demander et payer une API, une entrée MCP ou une autre ressource réseau de façon programmatique. Le 28 mai 2026, Mastercard a annoncé la première transaction au détail fondée sur un agent en Suisse, réalisée avec Cembra, Cornèrcard et Viseca sous consentement explicite de l’utilisateur et authentification. Un test distinct du 2 mars avec Santander a utilisé l’infrastructure européenne de paiements en direct, à l’intérieur de limites et de permissions prédéfinies ; ce n’était pas un déploiement commercial. L’activation réseau des émetteurs Mastercard en Europe, annoncée le 2 juin, n’est pas la même chose qu’un produit face au client.
Aucun de ces faits ne prouve qu’un avenir particulier adviendra.
Pris ensemble, ils décrivent autre chose qu’une nouvelle génération de chatbots.
On assemble les pièces d’un environnement où des agents artificiels peuvent se souvenir des gens, découvrir des capacités, s’identifier, recevoir une autorité limitée, parler à d’autres agents, piloter d’anciennes interfaces, en invoquer de nouvelles et payer.
La question n’est plus de savoir si les pièces existent.
C’est de savoir comment les assembler.
La preuve la plus nette est venue d’ailleurs
La validation la plus intéressante de cette direction ne vient peut-être pas d’une entreprise d’IA.
Le 9 mars 2026, la Competition and Markets Authority britannique a publié une analyse de l’IA agentique et des consommateurs.
Elle fait attention aux temps. La plupart des mises en œuvre, dit-elle, restent relativement limitées et prudentes, surtout face au consommateur. À court terme, elle voit, comme une possibilité, des assistants personnels plus intégrés, qui coordonnent l’activité à travers plusieurs services, à l’intérieur de frontières claires. Les agents personnels persistants — des systèmes qui pourraient gérer des buts de plus long terme, continuer d’apprendre le contexte et les préférences, et agir à travers les plateformes et les marchés — sont une possibilité de plus long terme, et hautement incertaine.
Le texte se rapproche ensuite du changement d’architecture dont il s’agit ici. Si et lorsque les systèmes agentiques deviennent plus capables, les consommateurs pourraient passer de l’usage d’applications à la gestion de résultats.
Il nomme aussi un problème de concurrence qui va avec. Si les gens ne peuvent pas emporter préférences, contexte et mémoire d’agent d’un fournisseur à l’autre, ou si leurs agents ne peuvent pas traverser les écosystèmes, la couche agent elle-même risque de devenir une nouvelle source d’enfermement. La mobilité des données, l’identité numérique et l’interopérabilité sont décrites comme des conditions plus larges d’un marché agentique concurrentiel. La portabilité, en particulier, est dite une condition structurelle.
Cela ne rend pas l’avenir certain.
Cela veut dire que la même architecture se voit désormais de trois côtés : des plateformes qui tentent de construire une intelligence personnelle, des communautés de normes qui tentent de relier des systèmes autonomes, et une autorité de la concurrence qui demande ce qui se passe si ces systèmes deviennent des intermédiaires vers les marchés.
Cette convergence est difficile à écarter comme l’histoire de produit d’un seul fournisseur.
Ce qui coûte cher, c’est de recommencer
Pourquoi les gens se regrouperaient-ils autour d’un agent principal ?
Parce que le contexte prend de la valeur avec le temps.
Un assistant qui connaît quelqu’un depuis trois ans peut, parfois, comprendre une demande qui forcerait un assistant tout juste présenté à poser dix questions.
« Déplace la réunion avec Viktor, j’ai besoin de l’après-midi pour la revue. »
Un agent personnel mûr peut déjà savoir de quelle réunion il s’agit, de quel Viktor, de quelle revue, de quel calendrier, qui doit être prévenu, si le déplacement créera un conflit, quel degré de formalité le message demande, et s’il faut faire quelque chose avant de bouger la réunion.
Un nouvel assistant voit une phrase.
L’agent établi voit une vie autour de la phrase.
Ce n’est pas, dans chaque détail, une fonction déjà là. Mais la direction se lit dans la conception des produits. Apple, Google, OpenAI et Microsoft augmentent tous le contexte personnel persistant que leurs assistants peuvent utiliser. Google traite déjà la mémoire d’IA importée comme quelque chose qu’il vaut la peine d’aider les utilisateurs à déplacer.
Chaque assistant propre à une application part avec un handicap.
Il connaît son application.
L’agent personnel connaît la personne.
Cela ne rend pas l’assistant spécialiste inutile. Il peut en savoir infiniment plus sur un domaine particulier. Mais cela dessine entre eux une autre relation.
L’agent personnel n’a pas forcément à remplacer le spécialiste.
Il doit savoir quand l’appeler.
Une relation n’exige pas un seul domaine de confiance
C’est là que l’idée du super-agent universel commence à se fissurer.
Imaginez un agent personnel qui connaîtrait vraiment presque tout ce qui compte sur quelqu’un.
Il lit ses communications. Il gère son agenda. Il connaît ses relations personnelles. Il se souvient de ses projets. Il peut acheter. Il peut entrer dans les systèmes de travail. Il comprend sa situation financière. Il peut lire des dossiers médicaux. Il peut parler aux systèmes d’État. Il détient des identifiants pour des centaines de services.
Cette architecture a une commodité évidente.
Elle a aussi un problème de sécurité évident.
Une compromission est catastrophique. Une permission mal cadrée est catastrophique. Une instruction malveillante cachée dans un document peut soudain opérer dans un contexte qui contient toute la vie numérique de la personne. Un changement de politique du fournisseur touche tout. Un problème de juridiction touche tout. Une erreur de modèle a accès à tout. Et partir devient inimaginablement difficile.
Le Top 10 for Agentic Applications 2026 de l’OWASP nomme déjà Agent Goal Hijack, Tool Misuse and Exploitation, Identity and Privilege Abuse, et Agentic Supply Chain Vulnerabilities parmi les risques nés lorsque des agents peuvent agir sur des systèmes externes. Le travail du NIST sur l’identité part du même constat : les risques d’accorder à des agents l’accès à des données, des outils et des applications divers.
L’architecture de sécurité a passé des décennies à nous apprendre à ne pas construire les systèmes de cette façon.
Pourquoi l’intelligence artificielle rendrait-elle le moindre privilège caduc ?
Elle devrait le rendre plus important.
Une fédération de l’intelligence
Une architecture plus plausible garde une relation avec l’humain et plusieurs domaines de confiance en dessous. Les services personnels, les systèmes d’employeur et les services sensibles souverains peuvent rester isolés les uns des autres, reliés seulement par des liaisons étroites et contrôlées.
L’agent personnel détient la relation.
Il ne détient pas chaque domaine.
L’employeur peut garder sa propre identité, ses permissions, ses dossiers et ses exigences d’audit.
Une banque ou un conseiller financier peut garder l’information financière à l’intérieur d’une infrastructure adaptée à ce domaine.
Un système médical peut encore appliquer d’autres règles de divulgation et de consentement.
Un État peut n’exposer que les actions pour lesquelles il est prêt à accepter une délégation machine.
La fonction de l’agent général n’est pas d’absorber chaque système spécialiste.
Elle est de comprendre assez l’humain et le monde disponible pour les coordonner.
C’est une architecture très différente d’une IA avec les clés de toute une vie.
C’est une fédération.
Le conseiller qui juge sans emporter vos comptes
Prenons un exemple concret.
Une personne a un agent personnel principal.
Cet agent sait qu’elle envisage d’acheter un appartement. Il connaît ses buts généraux. Il sait qu’elle n’aime pas une concentration financière excessive et que la liquidité lui importe. Il peut savoir quand la décision doit être prise, et quelles questions comptent d’habitude avant un engagement important.
Mais il ne contient pas son histoire financière complète.
Son information financière détaillée est ailleurs.
Peut-être que la personne a un agent conseiller financier souverain, opéré sur une infrastructure en Suisse. Les dossiers de portefeuille, l’historique des transactions, les informations fiscales, les passifs, le mandat de risque et d’autres données sensibles restent à l’intérieur de cet environnement. Les modèles utilisés pour les analyses les plus sensibles peuvent y tourner aussi.
Maintenant la personne demande :
« Puis-je me le permettre sans trop m’exposer à l’immobilier suisse ? »
L’agent personnel n’a pas besoin de demander le portefeuille entier.
Il a besoin d’un jugement.
Il pourrait demander à l’agent financier d’évaluer l’acquisition proposée face au portefeuille actuel du client, à ses passifs, et aux contraintes convenues de liquidité et de concentration ; de renvoyer la conclusion et le raisonnement nécessaire pour l’expliquer ; de ne divulguer que cela ; de n’exécuter rien ; et de faire expirer la délégation après l’analyse.
L’agent financier souverain fait le travail là où les données sensibles sont déjà.
Il pourrait renvoyer :
L’acquisition est finançable sous les hypothèses de stress actuelles, mais la concentration immobilière dépasserait la fourchette préférée du client. La liquidité reste suffisante, mais elle tombe près de la réserve minimale dans le scénario défavorable. Envisager soit de réduire la taille de l’acquisition, soit d’augmenter les réserves liquides avant la conclusion.
L’agent personnel reçoit ce dont il a besoin pour continuer la conversation.
Il n’emporte pas automatiquement chaque position, chaque solde, chaque document fiscal et chaque transaction historique qui ont produit la conclusion.
C’est de la délégation plutôt que de la divulgation.
Pas une non-divulgation absolue. Certains flux exigent vraiment que de l’information traverse les frontières.
Mais le réflexe change.
Au lieu de demander comment donner à un agent personnel toute l’information dont il pourrait jamais avoir besoin, on demande quelle information et quelle autorité minimales cette tâche-ci exige.
C’est un vieux principe de sécurité, appliqué à une forme nouvelle d’intelligence.
Et en finance réglementée, il y a de bonnes raisons de s’en soucier. L’enquête de la FINMA auprès des établissements financiers suisses, publiée le 24 avril 2025, a enregistré l’adoption de l’IA générative, à côté de préoccupations sur la qualité des données, la protection des données, l’explicabilité, l’externalisation et une dépendance croissante envers les grands fournisseurs technologiques. Ces préoccupations ne prescrivent pas, à elles seules, une architecture d’agents souverains. Elles expliquent pourquoi concentrer à l’aveugle un contexte réglementé dans un assistant externe général a peu de chances d’être acceptable partout.
La Suisse développe aussi une part de l’infrastructure d’où des alternatives pourraient émerger. Le 24 juillet 2026, l’ETH Zurich, l’EPFL et le CSCS ont publié Apertus 1.5, dans le cadre d’un effort de plus long terme vers une infrastructure d’IA souveraine et une alternative ouverte aux modèles propriétaires.
Il ne s’agit pas d’exiger Apertus dans chaque agent financier.
Il s’agit de ceci : la juridiction du modèle, celle des données et celle de l’agent peuvent devenir des choix d’architecture indépendants.
La délégation a besoin d’une grammaire
Pour que cette fédération tienne, les agents ont besoin de plus qu’une connexion réseau.
Ils ont besoin d’une grammaire de l’autorité.
Une demande utile doit dire qui est l’humain, quel agent agit, et quelle organisation l’opère. Elle doit dire ce que l’humain a autorisé, quelle ressource peut être touchée, et quelles actions sont permises. Elle doit dire si l’agent peut déléguer plus loin, et si cet agent suivant peut gagner plus d’autorité que le premier n’en possédait. Elle doit dire quand l’autorité expire, quelles actions demandent une autre confirmation, ce qui s’est passé ensuite, qui peut révoquer l’accès, et qui porte la responsabilité quand quelque chose tourne mal.
C’est pourquoi une part de l’infrastructure la plus lourde de conséquences de l’époque des agents a l’air ennuyeuse : portées OAuth, objets d’identité, moteurs de politique, journaux d’audit, indicateurs de ressource, consentement, approbation, révocation et enregistrements de transaction.
Agent 365 de Microsoft traite déjà un agent comme une identité distincte, avec ses propres permissions et un sponsor humain responsable de son cycle de vie. OpenID AuthZEN travaille sur des schémas interopérables pour les situations où une action exige un consentement, une approbation ou une autorité déléguée avant que la politique ne la permette. Même le travail actuel de l’IETF se concentre sur l’atténuation : si un agent délègue une tâche plus loin, l’autorité déléguée ne devrait pas s’élargir en silence.
Ce ne sont pas des problèmes spectaculaires.
Ils font la différence entre une démonstration d’IA et un système auquel on peut déléguer, de façon responsable, des parts de nos vies.
La pile de protocoles commence à se dessiner
Aucune norme unique ne définit aujourd’hui cette architecture, et il serait sot de supposer que les noms d’aujourd’hui survivront tous.
Mais les couches deviennent plus faciles à voir.
MCP traite la relation entre une application d’IA et des capacités, des ressources et des outils externes.
A2A traite la communication entre agents.
ARD traite la découverte et la vérification : où vit une capacité, laquelle un agent devrait choisir, et comment il peut vérifier ce à quoi il se connecte.
OAuth, les systèmes d’identité d’agents et les normes d’autorisation qui émergent traitent de qui agit et sous quelle autorité.
UCP, le Machine Payments Protocol et l’infrastructure des réseaux de paiement commencent à traiter l’activité économique lancée par des agents.
Les systèmes de navigateur et d’usage de l’ordinateur fournissent un pont vers des logiciels qui n’ont jamais été conçus pour rien de tout cela.
Cela ne fait pas encore un internet complet pour les agents.
Mais cela ressemble de plus en plus au commencement d’un.
Et le trait le plus important d’une telle pile n’est pas que des machines puissent parler à des machines.
Les machines le font depuis des décennies.
La différence, c’est que ces machines agissent de plus en plus pour quelqu’un.
Cela fait de l’autorité le problème central.
Le navigateur devient une couche de compatibilité
Le logiciel pensé pour les agents ne remplacera pas du jour au lendemain le parc logiciel existant.
Il y a des décennies d’applications qui n’exposent aucune API convenable, aucun serveur MCP, et certainement aucune interface d’agent à agent.
C’est pourquoi les systèmes d’usage de l’ordinateur comptent. Grok Bot est un exemple d’agent qui reçoit son propre ordinateur, son navigateur et son terminal. Windows 365 for Agents de Microsoft offre une version plus gouvernée, côté entreprise, de la même idée, en fournissant des Cloud PC sans état, liés à des identités d’agents et à une politique.
La transition aura deux voies.
Le logiciel neuf exposera de plus en plus des capacités natives pour les machines, directement.
Le logiciel ancien restera utilisable parce que les agents peuvent piloter les interfaces conçues d’abord pour des humains.
L’interface graphique ne disparaît pas.
Elle perd son monopole.
L’intelligence se rapproche de l’appareil
Le second grand changement est physique.
Pendant la plus grande part de l’ère actuelle de l’IA générative, une inférence puissante a voulu dire envoyer le travail vers un centre de données distant.
Cette hypothèse s’affaiblit.
Le M6 d’Apple prend en charge l’exécution locale de LLM pour des tâches agentiques sûres et privées. Le M5 Ultra, dans les tests d’Apple, peut fournir jusqu’à 512 Go de mémoire unifiée et faire tourner entièrement sur l’appareil des LLM de centaines de milliards de paramètres. Qualcomm commercialise du matériel PC comme un nœud de calcul pratique pour les usages agentiques. NVIDIA décrit DGX Spark comme un Desktop Agent Computer pour des agents autonomes locaux.
L’abstraction logicielle change aussi.
Le framework Foundation Models d’Apple, en 2026, a introduit un protocole LanguageModel capable d’utiliser différents modèles locaux ou côté serveur derrière la même interface d’application. Apple a montré ses propres modèles sur l’appareil et Private Cloud Compute, des modèles locaux via Core AI et MLX, et un chemin pour des fournisseurs tiers. Anthropic documente désormais un paquet Claude en bêta pour les Foundation Models d’Apple, destiné aux bêtas d’OS 27. Le paquet Gemini de Google reste une annonce.
L’architecture des foundation models d’Apple est déjà hybride : des modèles plus petits et plus grands tournent sur l’appareil, tandis que des modèles plus exigeants peuvent passer par Private Cloud Compute. L’usage agentique d’outils est nommé pour AFM 3 Cloud Pro, pas pour AFM 3 Core sur l’appareil.
Xiaomi avance dans une direction semblable, à plus d’une couche. MiClaw, encore sur invitation, laisse les développeurs publier des capacités MCP, des compétences et des agents. Local Copilot 2.0 explore une intelligence proactive à l’intérieur de la maison. Hyper XiaoAi 2.0, dans la bêta d’HyperOS 4, est l’assistant du système d’exploitation : de la compréhension des instructions vers l’exécution.
Un avenir hybride devient alors de plus en plus plausible. Le travail petit, fréquent et privé peut tourner sur l’appareil. Un raisonnement général plus large peut tourner dans des modèles en nuage. Les tâches réglementées ou très sensibles peuvent rester à l’intérieur d’une infrastructure souveraine. Le calcul déterministe spécialisé peut rester à l’intérieur des systèmes de domaine. L’agent personnel décide quelle forme d’intelligence appartient où.
L’agent devient donc, conceptuellement, séparable du modèle.
Le modèle est l’une des ressources dont l’agent peut se servir.
Cette séparation est l’essentiel.
Local n’est pas souverain
On est tenté d’assimiler l’IA locale à l’IA souveraine.
Il faut y résister.
Un modèle peut tourner entièrement sur un appareil tandis que le fabricant du système d’exploitation détermine encore quel modèle tourne, ce qu’il peut atteindre, comment il est mis à jour, quelles permissions il reçoit, et si un autre modèle peut le remplacer.
L’exécution locale améliore la latence, la vie privée, la disponibilité, l’économie d’une inférence répétée, et la résistance à certaines formes de dépendance au nuage.
Mais la souveraineté pose un ensemble plus large de questions. La personne peut-elle choisir le modèle ? Emporter la mémoire ? Emporter l’identité de l’agent ? Exporter le contexte accumulé ? Transférer ses permissions et ses relations de service ? Le faire tourner sur une infrastructure qu’elle contrôle ? Laisser une autre implémentation en assumer le rôle ? Révoquer l’ancien et continuer de fonctionner ?
La nouvelle abstraction Foundation Models d’Apple est intéressante parce qu’elle oriente le développement d’applications vers des modèles interchangeables. Ce n’est pas la même chose qu’Apple permettant à un utilisateur de remplacer l’agent système lui-même.
Bring Your Own Model n’est pas encore Bring Your Own Agent.
Et Bring Your Own Agent n’est pas encore la souveraineté humaine.
Le logiciel après l’application
Si les gens abordent de plus en plus le monde numérique par un agent principal, le logiciel change de forme.
Aujourd’hui, on se représente d’habitude un produit logiciel par son interface : un tableau de bord, un menu de navigation, une vue projet, une page de paiement, un écran de configuration, une zone d’assistance. La logique de domaine est là, mais l’interface humaine est le produit visible.
Pour un agent, la représentation utile peut être tout autre : lister les factures en souffrance, calculer l’implication fiscale, réserver le trajet disponible, créer le projet, comparer les polices d’assurance, lancer la simulation, résilier l’abonnement, récupérer la preuve, exécuter le paiement dans une limite de 500 CHF.
L’agent n’a pas forcément besoin de la page.
Il a besoin de la capacité.
Le Universal Commerce Protocol de Google est déjà conçu pour que le commerce puisse être exposé par A2A, AP2 ou MCP, plutôt que d’exiger de chaque agent qu’il reconstitue un parcours de paiement humain. Le Machine Payments Protocol de Stripe existe parce que la création de compte, les pages de tarifs, le choix d’abonnement et la saisie manuelle du paiement sont des frictions conçues pour des utilisateurs humains, pas pour des machines.
L’important n’est pas que tout le monde laissera une IA tout acheter demain.
C’est que le logiciel acquiert une interface économique pour des utilisateurs non humains qui agissent sous autorité humaine.
C’est une autre sorte de client.
De l’économie d’applications à l’économie de délégation
Pendant à peu près quatre décennies, les entreprises numériques se sont disputé le droit de devenir des endroits où l’on va : visiter le site, installer l’application, créer un compte, apprendre la navigation, construire le flux de travail, inviter des collègues, stocker l’historique, revenir demain.
Cela a créé ce qu’on pourrait appeler une économie d’applications. Le fournisseur de logiciel contrôlait d’habitude à la fois la capacité et le chemin par lequel l’humain l’atteignait.
Une architecture d’agent personnel sépare ces deux choses. L’humain peut n’avoir qu’un lieu principal où l’intention s’exprime. Tout ce qui est en dessous concurrence pour satisfaire cette intention.
C’est plus proche d’une économie de délégation.
Et cela change plusieurs parties de l’industrie du logiciel à la fois.
Une entreprise peut fournir une excellente capacité sans posséder nécessairement l’interface du client. Supposez que quelqu’un dise à son agent de trouver une plateforme comptable pour une PME suisse, avec des données qui restent en Suisse, une piste d’audit, une intégration paie, un export complet, une API dont l’expert-comptable peut se servir, et un plafond de 150 CHF par mois. L’agent peut inspecter dix services. L’humain peut en voir trois. Sept fournisseurs peuvent ne jamais recevoir de visite de site. Cela change la distribution. L’équivalent futur de la visibilité dans la recherche peut inclure le fait qu’un agent puisse découvrir un service, déterminer ce qu’il fait, vérifier ses affirmations, comprendre sa juridiction, inspecter son prix et déterminer s’il peut s’y connecter en sécurité. La proposition ARD de Google existe parce que ce problème de découverte commence déjà à se voir. Le marketing ne disparaît pas. Une part du marketing devient lisible par les machines.
Les processus d’accueil d’aujourd’hui sont en partie des exercices pour reconstruire une information qui peut déjà exister ailleurs. Un agent personnel établi peut déjà en connaître une grande part. Cela ne veut pas dire qu’il devrait tout fournir en silence. La meilleure interaction d’accueil ressemble davantage à : connecter l’agent, revoir les portées demandées, choisir ce qui peut être partagé, autoriser, continuer. L’interface qui compte n’est plus seulement le formulaire de profil. C’est la frontière de la délégation.
Cela ne rend pas le logiciel spécialiste moins précieux. Cela peut rendre le logiciel vraiment spécialiste plus précieux. Si l’humain ne se soucie plus profondément de l’endroit où se trouve le bouton, la familiarité d’interface, la navigation habituelle, la complexité artificielle et la possession de l’attention deviennent des avantages plus faibles. Les données uniques, l’expertise de domaine, les calculs déterministes, l’acceptation réglementaire, la fiabilité, l’auditabilité, le prix, la juridiction, la sécurité, l’interopérabilité et la confiance deviennent des avantages plus forts. La question devient moins quelle application l’utilisateur aime opérer, et davantage quelle capacité l’agent de l’utilisateur est prêt à confier. C’est un marché plus dur, par certains côtés. Une interface soignée peut cacher longtemps une infrastructure médiocre à un humain. Un agent qui compare des capacités structurées risque d’être moins sentimental.
La tarification par siège a un sens intuitif quand une personne passe sa journée de travail à l’intérieur d’un produit. Elle devient plus étrange quand l’agent de cette personne invoque une capacité quatre fois ce mois-ci et n’ouvre jamais l’application. L’infrastructure de paiement machine pointe vers d’autres unités économiques : par requête, par transaction, par analyse, par unité de calcul, par résultat réussi, par flux de travail limité. Stripe décrit les agents comme une nouvelle catégorie d’utilisateurs pour lesquels construire et vendre, et son Machine Payments Protocol prend déjà en charge des paiements programmatiques pour des ressources et des services. Cela ne veut pas dire que les abonnements disparaissent. L’unité de valeur peut tout de même se rapprocher de la capacité.
L’assistance client change aussi. Aujourd’hui, une personne découvre un problème, l’explique à une interface d’assistance, fournit des informations de diagnostic, reçoit des instructions et exécute la correction. Dans un environnement agentique, l’agent du client peut connaître l’erreur avant le client. Il peut contacter la capacité d’assistance du fournisseur. Les deux systèmes peuvent échanger un état de diagnostic structuré. L’agent du fournisseur peut demander un journal étroitement limité. L’agent du client peut approuver la divulgation. Le fournisseur peut proposer une correction. L’agent du client peut l’appliquer s’il y est autorisé. La personne intervient lorsque le jugement est requis. C’est l’une des conséquences les moins spectaculaires des systèmes d’agent à agent. Elle pourrait aussi être l’une des plus importantes économiquement.
L’identité entre dans le produit
Une fois que les agents peuvent agir, l’identité ne peut plus rester un détail interne de sécurité.
Un service peut avoir besoin de savoir que c’est Thierry ; que ce n’est pas Thierry ; que c’est l’agent personnel de Thierry ; que c’est un agent opéré par l’employeur, agissant pour Thierry dans un contexte de travail ; que c’est un agent financier avec un mandat séparé ; que cette requête-ci a été déléguée ; que ce paiement-ci a été explicitement approuvé ; que cette autorité expire ce soir ; que cet agent peut lire mais pas modifier ; que cet agent peut proposer mais pas exécuter.
Microsoft modélise déjà les identités d’agents à part des identités humaines, et consigne dans les journaux d’audit l’identité agissante et le sujet du jeton. Le NIST traite l’identification, l’autorisation, l’audit et la non-répudiation comme des questions d’infrastructure agentique centrales. La Suisse a reporté l’e-ID le 30 juin 2026, l’infrastructure de confiance visant encore le premier semestre 2027. Les infrastructures pour prouver qui agit ne sont pas toutes en place.
L’identité cesse donc d’être seulement une connexion.
Elle devient une part de la sémantique de la délégation.
La nouvelle séparation des pouvoirs
Il y a un principe plus profond sous cette architecture.
On ne devrait probablement pas laisser le même agent être le gardien de toute la mémoire, la source de toutes les règles, le détenteur de tous les identifiants, le juge de ce qui peut être fait, l’exécuteur de chaque action, et l’auditeur de son propre comportement.
Les États ont fini par apprendre à ne pas concentrer chaque forme de pouvoir dans une seule institution.
La sécurité informatique a appris la même leçon dans une autre langue : séparation des tâches, moindre privilège, audit indépendant, frontières de confiance, double contrôle.
Les agents n’abrogent pas ces principes.
Ils nous donnent une autre raison de nous en souvenir.
L’agent personnel principal peut représenter l’intention sans détenir chaque secret. Un agent spécialiste peut détenir la connaissance de domaine sans contrôler toute la relation utilisateur. Un système de politique peut décider si une action est permise sans engendrer l’action lui-même. Un réseau de paiement peut authentifier une transaction sans devenir le conseiller financier. Un système d’audit peut consigner ce qui s’est produit sans pouvoir changer l’événement ensuite.
L’humain reste au-dessus de la fédération seulement si ces séparations restent compréhensibles et révocables.
Le plus grand risque de concentration monte d’un étage
Il reste un danger.
Même si l’agent personnel ne contient pas chaque jeu de données sensibles, il occupe une position extraordinaire.
Il voit l’intention avant presque tout le monde.
Il apprend que quelqu’un pense à changer d’emploi avant que la plateforme de recrutement ne le sache. Il apprend que cette personne envisage une maison avant que le portail immobilier ne le sache. Il apprend qu’elle est mécontente d’une banque avant que la banque concurrente ne le sache. Il sait quels produits elle envisage avant que le commerçant ne voie une visite. Il sait quelle information elle a rejetée. Il sait à qui elle fait confiance. Il sait quels arguments ont changé son avis. Il peut décider quel service spécialiste reçoit la requête suivante.
C’est plus que de la personnalisation.
C’est un pouvoir d’allocation.
Les navigateurs sont devenus des portes vers le web. Les moteurs de recherche, des portes vers l’information. Les systèmes d’exploitation mobiles, des portes vers les applications. L’agent personnel peut devenir une porte vers l’intention humaine.
C’est pourquoi la contestation entre Apple, Google, OpenAI, Microsoft et d’autres ne peut pas se lire seulement comme une contestation sur l’intelligence des modèles.
La position plus précieuse peut être la couche de relation au-dessus des modèles.
L’agent par lequel une personne atteint tout le reste.
La préoccupation de la CMA sur l’interopérabilité à la couche agent n’est donc pas abstraite. Elle soutient que l’innovation devrait rester possible à la couche des services, plutôt que d’être déterminée par le contrôle de la couche agent elle-même.
Cela pourrait devenir l’une des questions de politique de concurrence les plus importantes de la décennie qui vient.
La mémoire pourrait devenir le rempart le plus profond
On peut résilier un abonnement logiciel. On peut souvent exporter des fichiers. Une base de données peut être migrée, avec assez d’effort.
Que veut dire migrer dix ans d’une relation d’agent ?
Pas seulement dix ans de transcriptions. Dix ans de malentendus corrigés, de préférences, d’exceptions, de relations, de décisions, d’habitudes de travail, de vocabulaire, de délégations, d’institutions de confiance, de motifs que l’utilisateur n’a jamais écrits explicitement, et de savoir sur ce qui compte et ce qui ne compte pas.
C’est pourquoi la portabilité d’un agent est plus compliquée que la portabilité des données.
La capacité de Google d’importer mémoires et historiques depuis d’autres produits d’IA est un signal précoce utile. Elle reconnaît que changer de système d’IA ne devrait pas nécessairement exiger de repartir de zéro.
Mais une vraie portabilité demandera plus que d’importer des archives de conversation. Elle pourrait devoir inclure, à terme, la mémoire, l’identité, les permissions, les relations de service, l’historique de délégation, les préférences, les politiques, les artefacts, et peut-être assez d’état opérationnel pour qu’un autre agent continue la relation sans reconstruire la personne à partir de l’histoire brute.
Le droit de quitter un agent pourrait devenir aussi important que le droit d’en choisir un.
Ce qu’exigerait un vrai Bring Your Own Agent
Bring Your Own Agent est facile à dire.
La version sérieuse est exigeante.
Une personne devrait pouvoir choisir quelle intelligence la représente. Cet agent devrait pouvoir découvrir des services compatibles. Les services devraient pouvoir vérifier l’identité de l’agent et son autorité déléguée. La personne devrait pouvoir définir quels domaines l’agent peut atteindre. Les systèmes sensibles devraient pouvoir rester souverains tout en participant. L’autorité devrait se resserrer, non s’élargir, lorsqu’elle est déléguée plus loin. Les actions importantes devraient rester imputables. Les opérations à haute conséquence devraient déclencher une confirmation appropriée. L’utilisateur devrait pouvoir révoquer l’agent. Et un autre agent devrait pouvoir en assumer le rôle sans que la vie numérique accumulée de la personne ne devienne inutilisable.
Ce n’est qu’alors que Bring Your Own Agent devient plus qu’une fonction d’intégration de plus.
Il devient une architecture de choix.
Où cette thèse pourrait se tromper
Cet avenir peut ne pas advenir de plusieurs façons.
Les agents peuvent rester trop peu fiables pour une délégation large. La CMA elle-même insiste sur le fait que les agents personnels autonomes de long terme restent incertains, et que les déploiements actuels sont principalement limités.
Les consommateurs peuvent préférer plusieurs agents visibles, et garder une séparation mentale nette entre travail, finance, vie privée et divertissement.
Des défaillances de sécurité peuvent pousser les organisations à restreindre l’accès des agents plutôt qu’à l’élargir.
Les grands écosystèmes peuvent empêcher délibérément l’interopérabilité, parce que contrôler la couche de l’agent personnel est trop précieux pour la céder.
Les normes peuvent se fragmenter.
L’autorisation peut rester trop compliquée pour des consommateurs ordinaires.
L’inférence locale peut s’améliorer de façon spectaculaire tout en restant contrôlée par le fabricant de l’appareil.
Les agents spécialistes peuvent se révéler économiquement inutiles dans beaucoup de domaines, parce qu’un accès sûr, par outils, à des systèmes déterministes suffit.
La régulation peut restreindre l’activité autonome précisément dans les secteurs où des agents spécialistes souverains seraient autrement les plus précieux.
Et la relation d’agent personnel elle-même peut se révéler moins durable qu’attendu. Les gens peuvent changer de fournisseur d’intelligence avec autant de désinvolture qu’ils changent de moteur de recherche.
Une prédiction devient plus utile quand on sait quelle preuve la ferait mentir.
Pour cette thèse, je surveillerais cinq choses : si les utilisateurs accumulent réellement des relations d’agent de longue durée ; si la mémoire devient réellement portable ; si les agents exécutent de façon fiable des tâches multi-services ; si une interopérabilité ouverte survit à la concurrence des plateformes ; et si l’identité déléguée et l’autorisation deviennent utilisables hors des milieux techniques.
Si ces cinq conditions échouent, la fédération décrite ici peut rester une idée d’architecture séduisante, plutôt que la forme dominante de l’informatique.
Mais la direction devient visible
Pour l’instant, les faits pointent quelque part d’intéressant.
Les systèmes d’IA personnelle deviennent plus contextuels. Les normes deviennent plus interopérables. Le matériel devient plus local. Les interfaces logicielles deviennent plus lisibles par les machines. Les systèmes d’autorisation deviennent plus explicites. L’infrastructure de paiement devient capable de reconnaître des acteurs machines. Et les régulateurs commencent à demander ce qui se passe lorsqu’une IA devient l’intermédiaire entre une personne et un marché.
Ces développements viennent d’organisations différentes, avec des intérêts différents.
Cela rend leur convergence plus parlante.
Ils suggèrent que la phase suivante de l’intelligence artificielle pourrait ne pas être définie par un chatbot plus capable à l’intérieur de chaque application.
Elle pourrait l’être par une nouvelle division du travail.
L’agent personnel connaît l’humain. L’agent spécialiste connaît son domaine limité. Le logiciel fournit des capacités qui font autorité. Le modèle fournit l’intelligence. Le système de politique fournit les contraintes. Le système d’identité prouve qui agit. Le système de paiement déplace de la valeur. L’humain fournit le but et retient l’autorité de dire non.
Un agent, plusieurs souverainetés
On imagine souvent l’avenir de l’intelligence artificielle comme un problème d’accumulation.
Le modèle devient plus grand. La fenêtre de contexte devient plus grande. L’agent reçoit plus d’outils. Plus de données entrent en mémoire. Plus de permissions sont accordées. Plus de la vie est tirée dans un seul système.
Ce n’est peut-être pas l’architecture mature.
La maturité arrive peut-être lorsque l’intelligence devient assez capable pour ne plus exiger que tout soit au même endroit.
Mon agent personnel n’a pas besoin de devenir ma banque.
Il a besoin de savoir parler à l’institution à laquelle je confie mon argent.
Il n’a pas besoin de contenir mon employeur.
Il a besoin de comprendre quand une demande appartient à l’intérieur de la frontière de mon employeur.
Il n’a pas besoin de tout mon historique médical.
Il a besoin de savoir quand une question médicale doit être remise à un système qui la détient légitimement.
Il n’a pas besoin de posséder chaque modèle.
Il a besoin de savoir quel modèle est approprié.
Il n’a pas besoin de remplacer chaque application.
Il a besoin de savoir quelle capacité invoquer.
Cela crée une architecture qui a, de façon surprenante, l’air humaine.
On entretient des relations avec des institutions différentes parce qu’elles détiennent des formes différentes de confiance.
Notre médecin n’a pas besoin de nos dépôts de code source.
Notre expert-comptable n’a pas besoin de notre imagerie médicale.
Notre employeur n’a pas besoin de notre correspondance privée.
Notre ami n’a pas besoin de notre déclaration fiscale pour bien nous connaître.
Le contexte est distribué.
La confiance est distribuée.
L’autorité est distribuée.
Pourtant la personne reste une personne.
L’intelligence artificielle peut, à terme, fonctionner de la même façon.
Une relation peut tenir le centre sans qu’un seul système contienne le tout.
L’avenir de l’IA n’est peut-être pas une machine qui sait tout sur nous.
C’est peut-être une machine qui en sait assez sur nous pour savoir à quelle autre machine confier le reste.
Et si cette architecture tient, la transition à venir est plus large que l’arrivée des assistants d’IA.
On passe d’une économie d’applications à une économie de délégation.
La question centrale ne sera plus seulement de savoir de quel logiciel on se sert.
Ce sera de savoir quelle intelligence peut agir pour nous, quelles institutions peuvent savoir quoi, et avec quelle facilité on peut reprendre cette autorité.
Ce n’est pas seulement une question sur l’intelligence artificielle.
C’est une question de souveraineté.
Sources
Recherche examinée jusqu’au 1er septembre 2026. On privilégie les sources primaires et les documents institutionnels. Les normes émergentes sont identifiées comme des brouillons lorsque c’est le cas. Les pages commerciales sont étiquetées comme telles lorsque l’affirmation est celle de l’entreprise.
Thierry Gilgen — The Last Interface, vol. 27 (15 août 2026). Argument antérieur de la Bibliothèque pour Bring Your Own Agent, le logiciel appelable par les machines, une architecture d’abord tournée vers la capacité, la portabilité des agents et la concentration émergente du pouvoir au-dessus des applications.
Thierry Gilgen — Human Sovereignty, vol. 28 (16 août 2026). Pose le cadre de souveraineté sous-jacent de la Bibliothèque : la délégation peut préserver la souveraineté lorsqu’elle reste limitée, imputable, révocable et récupérable.
UK Competition and Markets Authority — Agentic AI and consumers (9 mars 2026). Source institutionnelle pour la thèse centrale, citée avec ses propres réserves. Les agents personnels persistants sont une possibilité de plus long terme, hautement incertaine. Si et lorsque les systèmes agentiques deviennent plus capables, les consommateurs pourraient passer de l’usage d’applications à la gestion de résultats. La mobilité des données, l’identité numérique et l’interopérabilité sont des conditions plus larges. La plupart des mises en œuvre sont relativement limitées et prudentes. https://www.gov.uk/government/publications/agentic-ai-and-consumers/agentic-ai-and-consumers
Apple — Apple introduces Siri AI (8 juin 2026). Fournisseur. Contexte personnel sur les messages, les e-mails et les photos ; recherche dans les applications ; historique de conversation entre appareils ; test développeur à la publication. https://www.apple.com/newsroom/2026/06/apple-introduces-siri-ai-a-profoundly-more-capable-and-personal-assistant/
Apple — Mac mini with M6 and M5 Pro (25 août 2026). Fournisseur. Note : Siri AI actuellement disponible pour test via l’Apple Beta Software Program ; sera disponible avec macOS 27 en bêta plus tard dans l’année pour un appareil pris en charge réglé sur l’anglais. https://www.apple.com/newsroom/2026/08/apple-unveils-a-more-powerful-mac-mini-featuring-the-all-new-m6-and-m5-pro/
Apple Developer — Surprise and shine (26 août 2026). Fournisseur. Apple Event, 9 septembre 2026, 10 h PT. Ne nomme pas de date de livraison pour iOS 27 ou Siri AI. https://developer.apple.com/news/?id=s6spdug0
Google — Gemini introduces Personal Intelligence (14 janvier 2026). Fournisseur. Gmail, Photos, YouTube et Search ; désactivé par défaut ; lancement pour les abonnés américains éligibles à AI Pro et AI Ultra, pas le gratuit, pas Workspace. https://blog.google/innovation-and-ai/products/gemini-app/personal-intelligence/
OpenAI — Memory FAQ (mise à jour le 15 août 2026). Fournisseur. La mémoire s’appuie sur les conversations, les fichiers et les applications connectées. https://help.openai.com/en/articles/8590148
Microsoft — Manage Copilot Memory in Microsoft 365 Copilot (support.microsoft.com ; ms.date 8 juillet 2026, mis à jour le 18 août 2026). Fournisseur. Rôle professionnel, travail, tâches courantes et préférences. https://support.microsoft.com/en-us/microsoft-365-copilot/manage-copilot-memory-in-microsoft-365-copilot
Google — Make the switch: Bring your AI memories and chat history to Gemini (26 mars 2026). Fournisseur. Mémoires par collage ; historique par ZIP. Pas EEE/Royaume-Uni/CH. Pas une API inter-fournisseurs. https://blog.google/innovation-and-ai/products/gemini-app/switch-to-gemini-app/
Anthropic — Donating the Model Context Protocol and establishing the Agentic AI Foundation (9 décembre 2025). Reportage du fournisseur, sous l’égide de la Linux Foundation. Anthropic a indiqué plus de 10 000 serveurs MCP publics actifs. https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation
Linux Foundation — A2A Protocol surpasses 150 organisations (9 avril 2026). Institutionnel. Plus de 150 organisations qui le soutiennent. Les déploiements en production sont une affirmation séparée, couvrant les services financiers, l’assurance, la chaîne d’approvisionnement et l’informatique. https://www.linuxfoundation.org/press/a2a-protocol-surpasses-150-organizations-lands-in-major-cloud-platforms-and-sees-enterprise-production-use-in-first-year
Google Developers Blog — Agentic Resource Discovery specification (17 juin 2026). Fournisseur / spécification ouverte. Annonce sur developers.googleblog.com. https://developers.googleblog.com/en/announcing-the-agentic-resource-discovery-specification/
NIST — AI Agent Standards Initiative (17 février 2026). Institutionnel. Un programme, pas une norme achevée. https://www.nist.gov/news-events/news/2026/02/announcing-ai-agent-standards-initiative-interoperable-and-secure
NIST NCCoE — Accelerating the Adoption of Software and Artificial Intelligence Agent Identity and Authorization (5 février 2026). Institutionnel. Initial Public Draft. https://csrc.nist.gov/pubs/other/2026/02/05/accelerating-the-adoption-of-software-and-ai-agent/ipd
Microsoft — Agent 365 identity (ms.date 10 août 2026 ; mis à jour le 13 août 2026). Fournisseur. Identités Entra distinctes, avec permissions, sponsors, contrôles de cycle de vie et audit. https://learn.microsoft.com/en-us/microsoft-agent-365/developer/identity
OpenID Foundation — Authorization for the agent era: AuthZEN Working Group drafts (15 juin 2026). Institutionnel. Brouillons du groupe de travail, pas Final. La politique demeure l’autorité ultime. https://openid.net/openid-foundation-advances-authorization-for-the-agent-era-with-new-authzen-working-group-drafts/
OpenID Foundation — Authorization API 1.0 Final Specification (approbation des membres le 12 janvier 2026 ; spécification publiée le 11 janvier 2026). Institutionnel. Statut : Final. https://openid.net/authorization-api-1-0-final-specification-approved/
IETF Internet-Draft — OAuth Profile for Delegated AI Agent Authorization, draft-mishra-oauth-agent-grants-02 (30 août 2026). Internet-Draft individuel, non adopté par un groupe de travail ; travail en cours. Consentement humain ; jetons liés à une ressource et contraints à l’expéditeur ; atténuation. https://datatracker.ietf.org/doc/draft-mishra-oauth-agent-grants/
OWASP GenAI Security Project — Top 10 for Agentic Applications 2026 (Version 2026, décembre 2025). Institutionnel. ASI01 Agent Goal Hijack ; ASI02 Tool Misuse and Exploitation ; ASI03 Identity and Privilege Abuse ; ASI04 Agentic Supply Chain Vulnerabilities. https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/
Grok Bot — Introducing Grok Bot (11 août 2026). Exemple d’agent qui reçoit son propre ordinateur, son navigateur et son terminal.
OpenAI — Introducing ChatGPT agent (17 juillet 2025). Fournisseur. Navigateur visuel, navigateur textuel, terminal, accès API direct. La page de lancement est marquée périmée ; utilisée ici seulement comme preuve d’architecture. https://openai.com/index/introducing-chatgpt-agent/
Microsoft — Windows 365 for Agents (annoncé d’abord le 18 novembre 2025 ; disponibilité générale dans la semaine du 1er juin 2026). Fournisseur. Cloud PC mutualisés, sans état, avec identités distinctes, contrôles Zero Trust et audit. https://techcommunity.microsoft.com/blog/windows-itpro-blog/windows-365-for-agents-unlocks-secured-scalable-ai-automation/4468107
Apple — M6 and M5 Ultra (25 août 2026). Fournisseur ; les chiffres de performance sont testés par Apple. M6 : LLM sur l’appareil pour des tâches agentiques sûres et privées, jusqu’à 32 Go de mémoire unifiée. M5 Ultra seulement : jusqu’à 512 Go de mémoire unifiée et de très grands LLM de centaines de milliards de paramètres entièrement sur l’appareil. https://www.apple.com/newsroom/2026/08/apple-introduces-m6-and-m5-ultra-for-a-big-leap-in-performance-and-ai-compute/
Apple Machine Learning Research — Introducing the third generation of Apple Foundation Models (8 juin 2026). Fournisseur. Hybride sur l’appareil et Private Cloud Compute. L’usage agentique d’outils est nommé pour AFM 3 Cloud Pro, pas pour AFM 3 Core sur l’appareil. https://machinelearning.apple.com/research/introducing-third-generation-of-apple-foundation-models
Apple Developer — Foundation Models framework, session WWDC26 339 (8 juin 2026). Fournisseur. Protocole LanguageModel ; local et serveur ; Core AI ; MLX ; tiers. Paquet Gemini toujours « bientôt ». https://developer.apple.com/videos/play/wwdc2026/339/
Anthropic — Claude for Apple Foundation Models (documentation, consultée le 1er septembre 2026). Fournisseur. Paquet bêta visant les bêtas d’OS 27. https://platform.claude.com/docs/en/cli-sdks-libraries/libraries/apple-foundation-models
Qualcomm — Agentic AI apps running natively on Snapdragon X Series PCs (5 août 2026). Fournisseur. « Nœud de calcul pratique » pour les usages agentiques. https://www.qualcomm.com/news/onq/2026/08/agentic-ai-apps-snapdragon-x-series
NVIDIA — page produit DGX Spark. Positionnement fournisseur. Intitulé exact Desktop Agent Computer. 128 Go de mémoire ; modèles jusqu’à 200 milliards de paramètres. Page en ligne au 31 août 2026. https://www.nvidia.com/en-us/products/workstations/dgx-spark/
Xiaomi HyperOS Developer Platform — Agent ecosystem beta (21 avril 2026). Fournisseur. MiClaw comme agent d’IA au niveau système ; dépôt de MCP, de compétences et d’agents ; sur invitation, pas une disponibilité générale. https://dev.mi.com/xiaomihyperos/announcement/detail?id=41
Xiaomi Corporation — Results announcement for the three and six months ended 30 June 2026 (Hong Kong, 18 août 2026). Fournisseur (IR). Deux produits : Xiaomi Miloco 2.0 (Xiaomi Local Copilot 2.0), juin, intelligence de la maison ; Hyper XiaoAi 2.0, août, bêta HyperOS 4, de la « compréhension des instructions » à « l’exécution ». https://ir.mi.com/static-files/4a85fc36-8a6d-4c24-b45b-b18d5d162e6c
Google — Universal Commerce Protocol (11 janvier 2026). Fournisseur. Co-développé avec Shopify, Etsy, Wayfair, Target et Walmart. blog.google nomme A2A, AP2 et MCP. https://blog.google/products/ads-commerce/agentic-commerce-ai-tools-protocol-retailers-platforms/
Stripe — Machine Payments Protocol (18 mars 2026). Fournisseur. Paiement programmatique pour des API, des entrées MCP et d’autres ressources réseau. https://stripe.com/blog/machine-payments-protocol
Mastercard — First agent-based retail transaction in Switzerland (28 mai 2026). Fournisseur. Consentement explicite de l’utilisateur (Zustimmung), pas un mandat. Avec Cembra, Cornèrcard et Viseca. https://newsroom.mastercard.com/news/europe/de-ch/newsroom/pressemitteilungen/de-ch/2026/premiere-in-der-schweiz-mastercard-fuhrt-die-erste-agentenbasierte-transaktion-im-handel-durch-gemeinsam-mit-cembra-cornercard-und-viseca/
FINMA — Survey: artificial intelligence gaining traction at Swiss financial institutions (24 avril 2025). Institutionnel. Adoption de l’IA générative, à côté de préoccupations sur la qualité des données, la protection des données, l’explicabilité, l’externalisation et la dépendance aux grands acteurs technologiques. https://www.finma.ch/en/news/2025/04/20250424-mm-umfrage-ki/
ETH Zurich / EPFL / CSCS — Apertus 1.5: Building the next generation of open AI infrastructure (24 juillet 2026). Institutionnel. L’objectif de long terme déclaré inclut une infrastructure d’IA souveraine et une alternative ouverte aux modèles propriétaires. https://www.cscs.ch/science/computer-science-hpc/2026/apertus-15-building-the-next-generation-of-open-ai-infrastructure
Mastercard / Santander — European live end-to-end agentic payment (2 mars 2026). Presse fournisseur et banque. Limites et permissions prédéfinies. Pas un déploiement commercial. https://newsroom.mastercard.com/news/europe/en/newsroom/press-releases/en/2026/santander-and-mastercard-complete-europe-s-first-live-end-to-end-payment-executed-by-an-ai-agent/
Mastercard — Europe is building the foundations for trusted agentic commerce (2 juin 2026). Fournisseur. L’activation au niveau réseau des émetteurs en Europe n’est pas la même chose qu’un produit face au client. https://newsroom.mastercard.com/news/europe/en/perspectives/en/2026/europe-is-building-the-foundations-for-trusted-agentic-commerce/
Office fédéral de la justice / Confédération — New timetable for the introduction of the e-ID and the trust infrastructure (30 juin 2026). Institutionnel. e-ID reportée ; l’infrastructure de confiance vise encore le premier semestre 2027. https://www.eid.admin.ch/en/20260625-neuer-zeitplan-fuer-die-einfuehrung-der-e-id-und-der-vertrauensinfrastruktur-en